Travail d’Etude et de Recherche :

1

Travail d’Etude et de Recherche :

Le Problème des fusiliers

Encadrants : Sébastien VEREL, Manuel CLERGUEGroupe :

BOUHLEL Oualid,CASANOVA Pierre,

FULCONIS Angélique,BENOUALI Hamine

2

Description du sujet Définition : Automate cellulaire Problématique et état de l’art Les différentes approches◦ Les métaheuristiques à solution unique :

Hill Climbing Recherche tabou Recuit Simulé

◦ Algorithme évolutionnaire◦ Le backtracking◦ L’approche par signaux◦ Les approches combinées

Meilleurs résultats obtenus Conclusion

Plan :

3

« Comment synchroniser une ligne de fusiliers de façon à ce qu’ils se mettent à tirer en même temps ? »

Résolution : ◦ Modélisation sous forme d’un automate

cellulaire ◦ Recherche des règles de transition

Etude pour 5 états

Présentation du sujet : Le problème des fusiliers – J.Myhill 1957

Ligne de fusiliers

Ligne de fusiliers synchronisés

4

Automate cellulaire

Repos

Général

FeuEtats intermédiaires

Etats des cellules

Général

FeuEtats intermédiaires

Repos

2N-2

La grille de N cellules (ici N = 4)

2N-2 : temps optimal pour synchroniser N cellules

5

Automate cellulaire

règles de transition :

Diagramme espace temps

Motif initial Valeur suivante

Configuration initiale

Configuration finale

Mise à jour par règle locale.

6

Types d’ordinateurs en plein essor : les machines en réseaux Parallélisme simple et universel : les automates cellulaires

Problématique et état de l’art

Nombre d’états

Temps optimal Temps non optimal

3 états Pas de solution :Balzer Pas de solution :Yunes,1993

4 états Pas de solution :Balzer ouvert5 états Ouvert Ouvert6 états Une seule solution:Mazoyer,1986 ouvert

7 états Solution :Mazoyer,1986 Solution :Yunes,19938 états Solution :Balzer,1967 Solution Yunes,1993

plusieurs milliers d’états

Solution :E.Goto

7

Métaheuristiques à solution unique : ◦ Hill Climbing, Recuit Simulé, Recherche Tabou

Algorithme évolutionnaire

Le backtracking

Approche par signaux

Approches combinées

Les différentes approches

8

Heuristique : algorithme de résolution basé sur l’expérience sans fournir pour autant une solution optimale

Métaheuristique : ensemble d’heuristiques

Métaheuristique de recherche locale :◦Algorithme à solution unique

Hill Climbing, Recuit Simulé …◦Algorithme à population de solutions

Algorithme évolutionnaire, algorithme de fourmis …

Les métaheuristiques

9

Espace de recherche :S ensemble des solutions

Voisinage : sous ensemble de solutions

obtenues par transformations données

Fonction objectif :évaluation pour la meilleure solution

Définitions supplémentaires

. . . . . .S0 Un voisin de S0

10

Choisir solution initiale s ∈S

Répéter Choisir s’ V(s) ∈ telle que f(s’) est maximales ←s’

Jusqu’à s optimum local

Hill Climbing

Opérateur local de base de métaheuristique

Heuristique d’exploration maximale

11

Introduite par Glover en 1986

But: Échapper aux optima locaux

Principe :Introduction d’une mémoire dans stratégie d’exploration

Recherche Tabou

Choisir une solution s S∈Initialiser tabou TRépéter Choisir s’ V(s) ∈ telle que (f(s’) meilleure solution de V(s) et Critère

d’aspiration vérifié)Ou f(s’) meilleure solution de V(s)

non tabous ←s’Update Tabou T

Jusqu’à Critère d’arrêt vérifié

12

Utilisé depuis les années 80

Inspiré de la physique (thermodynamique )

But: Echapper aux optima locaux

Principe: probabilité non nulle de sélection d’une solution voisine dégradée

Recuit Simulé Choisir solution initiale s S ∈ et température initiale TRépéter

Choisir aléatoirement s’ V(s), ∆=f(s’)-f(s)∈Si ∆> 0 alors

s←s’Sinon

u nombre aléatoire de [0,1]

Si u < alors s← s’Fin si

Fin siUpdate température T

Jusqu’à critère d’arrêt vérifié

13

Résultats expérimentaux de Hill Climbing

Nombre d’exécutions en fonction de taille du problème résolu

Résultat obtenu pour:• 5000 itérations• 5000 exécutions

La moyenne = 5,27

L’écartype = 1,36

Meilleure solution de taille = 12

14

Résultats expérimentaux de Hill Climbing

Temps moyen pour chaque taille de ligne de fusiliers synchronisés

15

Résultats expérimentaux de Recherche Tabou

Nombre d’exécutions en fonction de taille du problème résolu

Résultat obtenu pour:• 5000 itérations• 5000 exécutions

La moyenne = 7,1

L’écartype = 2,19

Meilleure solution de taille = 13

16

Résultats expérimentaux de Recherche Tabou

Temps moyen pour chaque taille de ligne de fusiliers synchronisés

17

Résultats expérimentaux de recuit simulé

Nombre d’exécutions en fonction de taille du problème résolu

Résultat obtenu pour:• 5000 itérations• 75 exécutions

La moyenne = 4,24

L’écartype = 0,43

Meilleure solution de taille = 5

18

Méthode Nb iterations

Nb run Temps pour un

run

Temps total

Moyenne Écartype Meuilleur résultat

Hill Climbing

5000 5000 28s 140000(38h53)

5,27 1,3612

Recherche Tabou

5000 1000 22s 27517s(7h38)

7,1 2,1913

Recuit Simulé

5000 75 416S 32021(8h53)

4,24 0,435

Analyse comparative des résultats

Recherche Tabou

Algorithme évolutionnaire

19

Principe :• basé sur la théorie de l’évolution (Darwin)

•Population composée d’individus

•Evaluation sélection, croisement, mutation

20

Utilisation des librairies du package Paradiseo-eo

Fonction objectif et voisinage Résultats : synchronisation de 2 à 8

Implémentation :

Exemple de croisement en un point

Génération initiale Génération suivante

21

Resultats

Constat :• Augmentation du nombre de fusiliers synchronisés en fonction de la taille de la population• Meilleurs résultat : lorsque le taux de croisement et de mutation est proche de 1.0Taux de croisement peu influent sur les résultats

22

Le Backtracking Principe

Technique permettant d’éviter l'énumération

exhaustive de l'espace de recherche.

Etapes : Choisir une valeur pour une règle Retourner en arrière en cas de conflit Choisir l’alternative suivante (attribution d’une nouvelle valeur à la règle)

Attribution de règle

Bbord

bord

bord

bord

bord

bord

Ordre d’attribution des valeurs :

Bbord

bord

bord

bord

bord

bord

Règle non affectée

Etat repos

Etat général

Etat intermédiaire (1)

Etat intermédiaire (2)

Etat feu uniquement si on a atteint 2N-2

itérations

Bbord

23

Conflit et retour en arrière

Création RègleConflit et retour en arrière

Attribution d’une nouvelle valeur

Points faisant échouer une solution : L'état feu symbolisant la synchronisation n'est pas obtenu au bout de 2N-2 itérations. L'état feu est obtenu avant ce nombre précis d'itérations. Les règles ne synchronisent pas les automates ayant une taille plus petite.

Règle prédéfinie à l’initialisation :

…Cette règle provoque le conflit

Règle non affectée

24

Résultats obtenus

12 2

Ce sont les meilleurs résultats obtenus avec cette méthode : synchronisation des automates de taille allant de 2 à 12.

25

Mesure de temps

Croissance exponentielle pour une taille de l’automate > 9 P ériode de temps importante , pour obtenir synchronisation avec taille = 13

26

Les signauxPrincipe :

Solution de Mazoyer :Stratégie « diviser pour régner » :

27

On désigne par signal la propagation continue d’une information élémentaire au sein d’une ligne d’automates.

Les signaux Définitions :

28

Signal vers la droite :la vitesse doit être maximale◦ Seulement deux possibilités :

Une période de 1 :

Une période de 2 :

Les signauxRésultats:

?

Comportement avec une période de 2 :

29

Approche combinée

30

Meilleure solution

16

2

31

Des résultats inédits :◦De nombreuses solutions en temps optimal◦Un meilleur résultat à 16 fusiliers

Des perspectives prometteuses :◦Outils développés performants et à disposition sur le site◦ Probabilité de découverte de nouveaux résultats

Conclusion

32

Questions ?

Merci de votre attention